当可及性扭曲生态位估计:跨物种流行度和样本量梯度的虚拟物种框架

《Ecological Indicators》:When accessibility distorts niche estimates: A virtual species framework across species prevalence and sample size gradients

【字体: 大 中 小 】 时间:2026年07月17日 来源:Ecological Indicators 8.7

编辑推荐:

  物种分布模型(Species Distribution Models,SDMs)被广泛应用于生态学和保护生物学,以预测物种的栖息地适宜性,但其性能常因发生数据中的偏差而受损。最普遍的偏差来源之一源于地理上不均匀的采样,特别是靠近道路区域的过度代表。在此研究中,

  
物种分布模型(Species Distribution Models,SDMs)被广泛应用于生态学和保护生物学,以预测物种的栖息地适宜性,但其性能常因发生数据中的偏差而受损。最普遍的偏差来源之一源于地理上不均匀的采样,特别是靠近道路区域的过度代表。在此研究中,研究人员概述了一个可重复的工作流程,以评估此类地理偏差是否影响物种生态位在环境空间中的代表性。研究人员在意大利阿布鲁佐(Abruzzo)区域模拟了250个虚拟物种,并通过系统变化样本量和物种流行度(即地理分布范围大小)来评估采样偏差的影响。对于每个物种,研究人员将物种分布范围内的随机采样与限制在道路附近区域的采样进行了比较。研究结果并未显示道路偏差采样的一致效应,而是表明其后果强烈依赖于物种流行度、样本量以及物种分布范围与道路附近可及区域之间的空间对应关系。因此,生态位估计被扭曲的程度因物种而异,意味着基于道路采样的影响是物种依赖的:靠近道路的采样可能错误代表或充分捕捉环境条件,取决于所考虑的物种。这些发现强调了在解释模型输出时需要注意采样模式如何与物种空间分布相互作用。
**研究背景与目的**

物种分布模型(Species Distribution Models,SDMs)是生态学、生物地理学与保护生物学中评估物种环境适宜性的核心工具,广泛应用于预测入侵物种扩散、评估生物多样性对环境变化的响应以及指导保护规划。然而,SDMs的性能常受限于发生数据中的偏差。其中,地理上不均匀采样(尤其是道路附近区域的过度采样)是最普遍的偏差来源之一。尽管已有研究认识到采样模式、物种流行度(即地理分布范围大小)及环境覆盖的重要性,但这些因素通常被孤立考察。因此,研究人员旨在系统量化地理偏差采样、样本量与物种流行度对生态位估计环境代表性的联合影响,以填补这一研究空白。该研究发表在《Ecological Indicators》。

**研究内容与结论**

研究人员在意大利阿布鲁佐(Abruzzo)区域,基于气候变量模拟了250个虚拟物种,每个物种具有特定的流行度(取值范围0.05至0.5)和样本量(600至1000)。对每个物种,研究人员生成了两种发生数据集:一种通过物种分布范围内的随机采样获得(无偏数据集),另一种通过限制在二级道路附近区域采样获得(道路偏差数据集)。利用超体积(hypervolume)分析量化生态位宽度(niche breadth),并采用差异指数(Dissimilarity Index,DI)评估环境代表性。结果表明,道路偏差采样并非对所有物种产生一致效应,其影响强烈依赖于物种流行度、样本量以及物种分布与道路网络的空间重叠程度。低流行度物种对道路偏差更敏感,其生态位估计被系统性低估;而高流行度物种在低强度偏差采样下,环境代表性反而更差,但采样结果更稳定。该研究强调了在解释模型输出时需考虑采样模式与物种空间分布的相互作用。

**主要技术方法**

研究人员采用虚拟生态学家(virtual ecologist)方法,利用R包`virtualspecies`生成虚拟物种,定义高斯响应函数并概率转换确定分布,控制物种流行度。采样方案包括随机采样和基于道路距离的对数概率采样(距离越近概率越高)。生态位比较使用R包`hypervolume`,通过高斯核密度估计(Gaussian kernel density estimation)计算超体积,并标准化变量后绘制累积曲线,计算相对超体积指数(Δhyp)。空间比较使用差异指数(Dissimilarity Index,DI),计算无偏与偏差数据集DI的差值(DDB),并统计DDB=0的像素比例。样本来源:气候变量来自WorldClim v2.1(30弧秒分辨率),道路网络来自OpenStreetMap。

**研究结果**

**3.1 物种流行度与偏倚发生数量的关系**
Levene检验显示,物种流行度(SP)水平间NBnorm(标准化偏差发生比例)的变异性存在显著差异,低流行度时变异性更大,高流行度时趋于稳定。线性回归表明,SP对NBnorm方差有显著负效应(估计值=-0.0567,p=0.0004),调整R2=0.79,说明低流行度物种对道路偏差更敏感。

**3.2 物种生态位:超体积**
在40个SP与NBnorm组合中,39个组合的偏差数据集平均超体积估计值低于无偏数据集,Δhyp(相对超体积指数)均为正值(0.05至0.34),表明道路偏差采样一致低估了生态位宽度。通过广义线性模型(GLM)分析,SP对Δhyp有显著负效应(系数=-0.35),NBnorm也有较弱负效应;模型预测显示,Δhyp随NBnorm增加而下降,且高流行度物种整体Δhyp更低。这表明低流行度物种的生态位估计对偏差更敏感。

**3.3 差异指数**
差异指数(DI)分析显示,偏差数据集的平均DI始终高于无偏数据集,导致DDB(DI差值)平均为负值。DDB<0的像素比例占主导(74%-97%),DDB=0的像素比例低于1%。GLM结果指出,NBnorm增加时DDB=0像素比例上升(系数=3.10),而SP增加时该比例下降(系数=-1.96),交互项显著(系数=8.30)。模型预测表明,在高SP与高NBnorm组合下,DDB=0像素比例可达总像素的2%,说明高流行度物种在低强度偏差采样时,其环境代表性反而更差(即更多区域的环境差异更大)。

**讨论与结论**

讨论部分指出,低流行度物种因其分布范围有限,与道路重叠的概率高度可变,导致偏差采样结果不稳定;高流行度物种虽结果更稳定,但偏差采样可能仅捕捉部分环境梯度,在通用种(generalist species)中尤其突出。研究强调,超体积分析与差异指数的结合可作为诊断工具,在模型拟合前识别环境截断(environmental truncation)。研究局限性包括未直接评估SDM预测、未考虑空间自相关(spatial autocorrelation)等因素。结论部分(翻译原文):本研究证明,地理偏差采样(尤其是道路附近采样)可显著扭曲推断的生态位。当发生记录集中于道路附近时,估计的Hutchinsonian超体积被系统性约束,对低流行度物种影响最强。相反,无偏采样能捕捉更广泛且更具代表性的环境条件。进一步研究表明,增加样本量可部分稳定模型输出,但无法完全补偿偏差引起的扭曲。当模型跨时空转移时,这些效应可能尤为严重,因为偏差采样显著限制了其向不同地理区域及过去或未来环境情景的外推。总体而言,研究结果强化了可及性驱动的偏差并非对所有物种影响相同:即使道路网络密集且覆盖大多数环境条件,采样空间分布与强度仍可能集中特定区域。因此,道路网络范围本身不能作为采样偏差的代理。不存在普遍稳健的采样策略,可靠的生态位估计需要针对物种评估可及性、流行度和样本量如何共同塑造生态现实的代表性,即使在生物多样性数据丰富的时代也是如此。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号